1.因子

????????R 中用因子代表數(shù)據(jù)中分類變量 , 如性別、省份、職業(yè)。有序因子代表有序量度，如打分結(jié)果，疾病嚴(yán)重程度等。

????????用 factor() 函數(shù)把字符型向量轉(zhuǎn)換成因子，如

x <- c(" 男", " 女", " 男", " 男", " 女")
sex <- factor(x)
sex

返回：

attributes(sex)

返回：

????????因子有 class 屬性，取值為"factor"，還有一個(gè) levels(水平值) 屬性，此屬性可以用 levels() 函數(shù)訪問，如

levels(sex)

返回：

因子的 levels 屬性可以看成是一個(gè)映射，把整數(shù)值 1,2, . . . 映射成這些水平值，因子在保存時(shí)會保存成整數(shù)值 1,2, . . . 等與水平值對應(yīng)的編號。這樣可以節(jié)省存儲空間，在建模計(jì)算的程序中也比較有利于進(jìn)行數(shù)學(xué)運(yùn)算。

事實(shí)上，read.csv() 函數(shù)的默認(rèn)操作會把輸入文件的字符型列自動轉(zhuǎn)換成因子，這對于性別、職業(yè)、地名這樣的列是合適的，但是對于姓名、日期、詳細(xì)地址這樣的列則不合適。所以，在 read.csv() 調(diào)用中經(jīng)常加選項(xiàng) stringsAsFactors=FALSE 選項(xiàng)禁止這樣的自動轉(zhuǎn)換，還可以用 colClasses 選項(xiàng)逐個(gè)指定每列的類型。

?用 as.numeric() 可以把因子轉(zhuǎn)換為純粹的整數(shù)值，如

as.numeric(sex)

返回：

因?yàn)?strong>因子實(shí)際保存為整數(shù)值，所以對因子進(jìn)行一些字符型操作可能導(dǎo)致錯(cuò)誤。用 as.character() 可以把因子轉(zhuǎn)換成原來的字符型，如

as.character(sex)

返回：

為了對因子執(zhí)行字符型操作（如取子串），保險(xiǎn)的做法是先用 as.character() 函數(shù)強(qiáng)制轉(zhuǎn)換為字符型。

factor() 函數(shù)的一般形式為

factor(x, levels = sort(unique(x), na.last = TRUE),
    labels, exclude = NA, ordered = FALSE)

可以用選項(xiàng) levels 自行指定各水平值 , 不指定時(shí)由 x 的不同值來求得。可以用選項(xiàng) labels 指定各水平的標(biāo)簽 , 不指定時(shí)用各水平值的對應(yīng)字符串?？梢杂?exclude 選項(xiàng)指定要轉(zhuǎn)換為缺失值 (NA) 的元素值集合。如果指定了 levels, 則當(dāng)自變量 x 的某個(gè)元素等于第 j 個(gè)水平值時(shí)輸出的因子對應(yīng)元素值取整數(shù) j, 如果該 元素值沒有出現(xiàn)在 levels 中則輸出的因子對應(yīng)元素值取NA。 ordered 取真值時(shí)表示因子水平是有次序的 (按編碼次序)。

在使用 factor() 函數(shù)定義因子時(shí)，如果知道自變量元素的所有可能取值，應(yīng)盡可能使用 levels= 參數(shù)指定這些不同可能取值，這樣，即使某個(gè)取值沒有出現(xiàn)，此變量代表的含義和頻數(shù)信息也是完整的。自己指定 levels= 的另一好處是可以按正確的次序顯示因子的分類統(tǒng)計(jì)值。

因?yàn)橐粋€(gè)因子的 levels 屬性是該因子獨(dú)有的，所以合并兩個(gè)因子有可能造成錯(cuò)誤，但在最新版本4.1.2 沒有報(bào)錯(cuò)，應(yīng)跟版本有關(guān)，如

li1 <- factor(c(' 男', ' 女'))
li2 <- factor(c(' 男', ' 男'))
c(li1, li2)

返回：

如果結(jié)果不是因子的話，需要對其進(jìn)行轉(zhuǎn)換。則那樣正確的做法是

factor(c(as.character(li1), as.character(li2)))

就是先轉(zhuǎn)換為字符型，再進(jìn)行合并就可以了。

2.table() 函數(shù)

?用 table() 函數(shù)統(tǒng)計(jì)因子各水平的出現(xiàn)次數(shù)（稱為頻數(shù)或頻率）。也可以對一般的向量統(tǒng)計(jì)每個(gè)不同元素的出現(xiàn)次數(shù)。如

x <- c(" 男", " 女", " 男", " 男", " 女")
sex <- factor(x)
table(sex)

返回：

對一個(gè)變量用 table 函數(shù)計(jì)數(shù)的結(jié)果是一個(gè)特殊的有元素名的向量，元素名是自變量的不同取值，結(jié)果的元素值是對應(yīng)的頻數(shù)。單個(gè)因子或單個(gè)向量的頻數(shù)結(jié)果可以用向量的下標(biāo)訪問方法取出單個(gè)頻數(shù)或若干個(gè)頻數(shù)的子集。

3.tapply() 函數(shù)

可以按照因子分組然后每組計(jì)算另一變量的概括統(tǒng)計(jì)。如

x <- c(" 男", " 女", " 男", " 男", " 女")
sex <- factor(x)
h <- c(165, 170, 168, 172, 159)
tapply(h, sex, mean)

返回：

4.forcats 包的因子函數(shù)

如果使用此函數(shù)，需要先進(jìn)行載入：

library(forcats)

????????在分類變量類數(shù)較多時(shí)，往往需要對因子水平另外排序、合并等，forcats 包提 供了一些針對因子的方便函數(shù)。

????????orcats::fac_reorder() 可以根據(jù)不同因子水平分成的組中另一數(shù)值型變 量的統(tǒng)計(jì)量值排序。如：

set.seed(1)
fac <- sample(c("red", "green", "blue"), 30, replace=TRUE)
fac <- factor(fac, levels=c("red", "green", "blue"))
x <- round(100*(10+rt(30,2)))
res1 <- tapply(x, fac, sd); res1

返回：

?對上面數(shù)值畫條形圖：

barplot(res1)

返回：

????????如果希望按照統(tǒng)計(jì)量次序?qū)σ蜃优判?/strong>，可以用 forcats::fct_reorder() 函數(shù)，并畫圖條形圖，如

fac2 <- fct_reorder(fac, x, sd)
res2 <- tapply(x, fac2, sd)
barplot(res2)

levels(fac)

fac3 <- fct_relevel(fac, "blue"); levels(fac3)

fac4 <- fct_recode(
fac,
" 紅"="red", " 綠"="green", " 藍(lán)"="blue")
table(fac4)

compf <- fct_collapse(
comp,
" 其它"=c("", " 無名", " 無應(yīng)答"),
" 聯(lián)想"=c(" 聯(lián)想", " 聯(lián)想集團(tuán)"),
" 百度"=c(" 百度", " 百度集團(tuán)") )

d.class <- read.csv('class.csv', header=TRUE)
sex <- d.class[,'sex']
age <- d.class[,'age']